解讀理想“幽靈剎車”，輔助駕駛還有未來？

每次看到“幽靈剎車”上熱搜，記者首先想到的就是特斯拉。

原因很簡單，長期以來，特斯拉的自動駕駛方案采用純視覺方案，該方案有一個很大的缺點，那就是很難判斷前方物體的具體形狀。激光雷達(dá)的探測方式不同于攝像頭，點云反射測距方法讓雷達(dá)方案可以很容易檢測到前方物體的具體形狀與深度，進(jìn)而快速判斷前方物體是“平面”還是“物塊”，可以很好的規(guī)避“幽靈剎車”發(fā)生。

然而最近理想也被爆出“幽靈剎車”事件。據(jù)網(wǎng)絡(luò)上流傳的一段視頻顯示，四川甘孜時先生在駕駛理想L7在路上正常行駛，突然車速從車速突然從80km/h快速降到20km/h左右，隨后直接剎停。

圖源：互聯(lián)網(wǎng)

值得關(guān)注的一點在于，理想L7 Max版配備了激光雷達(dá)，此外還有6個800萬像素攝像頭、5個200萬像素攝像頭、1 個前向毫米波雷達(dá)以及安全冗余系統(tǒng)；Pro版則為1個800萬像素攝像頭、9個200萬像素攝像頭、1個前向毫米波雷達(dá)。

事件發(fā)酵后，理想官方對此事件回復(fù)：“因為激光雷達(dá)把廣告牌上準(zhǔn)備起跑的人物，識別成了在路中間的真人，所以才緊急剎停?！焙髞砝硐胧酆罂头肿龀龌貞?yīng)，稱激光雷達(dá)有一個視覺感知的效果，識別廣告牌剎停這種情況也要看當(dāng)時用車環(huán)境，具體原因需要工程師做分析診斷。其實在此之前，理想還發(fā)生過“墓地憑空出現(xiàn)大量人員”以及“車速140邁有人跟跑”事件（真的嚇人），官方都解釋為傳感器出現(xiàn)問題。

從官方回復(fù)中得知，該款車型為搭載激光雷達(dá)的理想L7 MAX版，而激光雷達(dá)相比攝像頭的一項重要優(yōu)勢就是可以識別物體深度，也就是說，理想L7本應(yīng)該知道前方的是廣告牌而不是真人。

為什么用了激光雷達(dá)仍會“幽靈剎車”？激光雷達(dá)在與攝像頭協(xié)同工作的時候會出現(xiàn)哪些問題？輔助駕駛還能用嗎？本文將帶你了解自動駕駛傳感融合模式的差別，深挖激光雷達(dá)出現(xiàn)“失誤”的真正原因。

不同方案的傳感融合

挖掘理想“幽靈剎車”真相的第一步，我們先簡單了解一下自動駕駛方案的區(qū)別。

當(dāng)前，常見的自動駕駛解決方案有三種：純視覺方案、毫米波雷達(dá)方案、激光雷達(dá)方案。其實，它們本質(zhì)上的區(qū)別就是基于何種傳感器建立的識別體系。

攝像頭、激光雷達(dá)或毫米波雷達(dá)等感知傳感器在不同的環(huán)境場景下各有優(yōu)缺點。攝像頭提供了豐富的顏色和視覺信息，但缺乏提供深度信息。激光雷達(dá)給出物體的深度信息，但是非常稀疏，且沒有顏色信息。毫米波雷達(dá)不受光照影響，探測范圍遠(yuǎn)，但與激光雷達(dá)相比，它的分辨率較低。因此不同傳感器在不同環(huán)境中的能力有較大差別。

圖源：自制

從對比中我們可以得出結(jié)論，激光雷達(dá)用于中程自動駕駛汽車的高精度探測領(lǐng)域。攝像頭提供了更多視覺信息，但激光雷達(dá)和攝像頭都會受到惡劣天氣的影響。由于毫米波雷達(dá)能發(fā)射穿透雨霧的無線電磁波，因此它具有較大的探測范圍，還可以在惡劣的天氣條件下工作。激光雷達(dá)相比毫米波雷達(dá)具有更高的準(zhǔn)確度，但也有更高的成本。

因此，我們需要一種由激光雷達(dá)、毫米波雷達(dá)和攝像頭組成的車輛來應(yīng)對所有天氣情況。從車輛成本與性能平衡的角度出發(fā)，我們應(yīng)該至少在激光雷達(dá)或毫米波雷達(dá)中二選一，再搭配攝像頭來完成自動駕駛的探測任務(wù)。這時就需要用到傳感融合，然而傳感融合是一項十分復(fù)雜的技術(shù)或算法，不是簡單的將兩者相加。

傳感融合，本質(zhì)上是數(shù)據(jù)融合。激光雷達(dá)與攝像頭的融合方式主要有兩種，即前期融合（Early Fusion）與后期融合（Late Fusion）。

在前期融合中，來自激光雷達(dá)的點云、毫米波雷達(dá)與相機的圖像，會在處理之前進(jìn)行融合。我們以激光雷達(dá)和攝像頭融合方案為例。首先通過齊次坐標(biāo)（投影空間坐標(biāo)，具有N個維），加以一些平移旋轉(zhuǎn)等過程，將3D的激光雷達(dá)點云投影到2D的攝像頭圖像中，最終獲得外界物塊的歐幾里得坐標(biāo)（即在笛卡爾空前內(nèi)標(biāo)注，也就是我們中學(xué)學(xué)到的空間坐標(biāo)系）。隨后，系統(tǒng)會通過深度學(xué)習(xí)的方式識別標(biāo)注的物體。

在后期融合中，激光雷達(dá)、毫米波雷達(dá)與攝像頭會獨立獲得結(jié)果。首先激光雷達(dá)會獨立完成3D物體的圖像檢測，然后系統(tǒng)會將攝像頭中得到的2D物體投影到3D空間中，再進(jìn)行匹配最終得到結(jié)果。

目前傳感融合仍舊面臨著許多問題，例如遮擋、截斷、環(huán)境的動態(tài)分析等，而且還有相當(dāng)多的算法依賴物體表面問題特征進(jìn)行判斷，這都非常容易造成混淆，進(jìn)而影響算法準(zhǔn)確率。

這里補充一點，無人駕駛系統(tǒng)包括感知層、認(rèn)知層、決策層、控制層四種。傳感器探測外界信息并進(jìn)行融合，這些都屬于感知層。鑒于幾乎所有的廠商都面臨此類問題，外加理想還有“前科”，因此記者認(rèn)為理想大概率是在后面的步驟出現(xiàn)問題。

為什么會剎車？

目前市場上的多傳感器感知系統(tǒng)很大程度上依賴于后期傳感器融合，其中傳感器的輸出僅在對象級別組合。這意味著每個傳感器完全獨立運行，所有未超過檢測閾值的低級信息都將被完全丟棄。

可能有的讀者會產(chǎn)生疑問，為什么我們要選擇保存信息量少的后期融合，而不是盡可能的在前期融合，來保證數(shù)據(jù)的準(zhǔn)確呢？事實上，有相當(dāng)多的文獻(xiàn)均表明越靠前期的傳感融合，它提供的目標(biāo)檢測越精確。但這里面臨一個問題，某個傳感器可能會探測到其他傳感器無法探測到的物體，這種信息是無法在融合算法中進(jìn)行處理的。

首先，為了減少無法融合的物體數(shù)量，車輛就需要盡可能多的搭載傳感器（甚至需要多個激光雷達(dá)），這在成本上難以接受。其次，該類數(shù)據(jù)在硬件上很難進(jìn)行優(yōu)化。最后，整車廠采購的傳感器往往來自不同的供應(yīng)商，這意味著大量傳感器的接口并不互通，建立統(tǒng)一的數(shù)據(jù)轉(zhuǎn)換平臺工程量很大。因此，后期傳感融合成為當(dāng)前的主流模式，這也間接造成了部分判斷的失誤。

無論是Early還是Late，傳感融合都需要結(jié)合物體識別步驟，也就是將數(shù)據(jù)導(dǎo)入認(rèn)知層，這時就要用到3D計算機視覺技術(shù)了。該技術(shù)的經(jīng)典方法則是利用統(tǒng)計學(xué)和概率學(xué)模型，在預(yù)先深度學(xué)習(xí)過大量數(shù)據(jù)后才能實現(xiàn)對物體的準(zhǔn)確識別。

目前基于卷積神經(jīng)網(wǎng)絡(luò) (CNN) 的模型分析被廣泛用于對象檢測和分類上。它可以簡單的分成輸入、提取、優(yōu)化、分類、輸出、監(jiān)控（預(yù)測）。首先，傳感融合得出的圖像數(shù)據(jù)會被提供給輸入層，然后卷積層會從圖像中提取出重要特征，并通過算法將重要信息保留同時剔除冗余信息來降低復(fù)雜度。最后，CNN中的所有神經(jīng)元會通過算法將物體分類進(jìn)行判斷，最終輸出。即最終輸出的結(jié)果，仍舊需要用分類概率產(chǎn)生，即讓算法“猜”出來。因此，這里可能會有算法判斷失誤的可能性。

關(guān)鍵的一點來了，CNN還具有對物體未來運動的預(yù)測功能，尤其在車輛高速行駛狀態(tài)下，對物體運動的提前預(yù)測可以幫助車輛留夠剎車距離。預(yù)測模塊的輸入依賴感知模塊的輸出，這些輸入內(nèi)容包括物體的位置、速度、朝向、物體分類（如車輛，行人，自行車）等信息。

從本次理想“幽靈剎車”爆出的視頻來看，廣告牌正好置于車道右前方，而車輛剛好處于高速行駛的時刻。此時在激光雷達(dá)的“眼”中，在忽略掉距離、形狀等問題后，它向后端判斷層輸出的是：該物體正向車輛快速移動。而攝像頭看到的，則是一個做起跑動作的人在向汽車移動。

所以，記者綜合以上內(nèi)容判斷：由于車輛采用后期融合的方案，激光雷達(dá)與攝像頭同時判斷這是一個快速向車輛移動的物體，同時結(jié)果中還疊加了攝像頭對于人的判斷。因此，基于對外界物體未來移動路徑的分析，理想L7 ADAS系統(tǒng)的決策層認(rèn)為此時應(yīng)該緊急剎車，來避免與前方大概率為 “人”的物體的碰撞。

應(yīng)該怎么避免？

綜合目前自動駕駛的發(fā)展勢頭，杜絕“幽靈剎車”現(xiàn)象，可能不久就能實現(xiàn)。

在傳感融合層面，車廠應(yīng)該讓傳感器數(shù)據(jù)做到盡量前期融合，這樣在本次事件中，ADAS系統(tǒng)就能很容易判斷出來，這是一個向汽車飛奔的廣告牌，而不是真實的人類。但這就要面臨前文提到的問題，成本、優(yōu)化以及接口問題。

成本。目前車載傳感器中，激光雷達(dá)是最貴的，而且遙遙領(lǐng)先其他任何一款傳感器。不過隨著目前國產(chǎn)激光雷達(dá)廠商發(fā)力，以及激光雷達(dá)大規(guī)模上車攤平成本，產(chǎn)品的價格已經(jīng)在飛速降低了。

2023年3月，禾賽科技2022 年第四季度財報披露，其四季度毛利率已從52.4%大幅下滑至30%，季度出貨量同比漲幅高達(dá)739%，禾賽在“虧本賺吆喝”的路上一去不復(fù)返。幾乎在同一時期，覽沃發(fā)布的業(yè)內(nèi)首款360°混合固態(tài)激光雷達(dá)，將激光雷達(dá)價格壓到3999元。華為此前也高調(diào)宣稱，未來計劃將激光雷達(dá)成本降低至200美元，甚至是100美元。相信在不遠(yuǎn)的未來，激光雷達(dá)相比其他傳感器的價格劣勢將會快速消失。當(dāng)然，在此之前激光雷達(dá)市場可能會經(jīng)歷一次嚴(yán)酷的“重新洗牌”。

優(yōu)化。更多的傳感器，更前期的融合，就需要芯片處理更大的數(shù)據(jù)量，也就需要更大的算力。最近英偉達(dá)市值一度沖破1萬億美元。從業(yè)務(wù)上看，它的成功其實在于壓中兩大風(fēng)口，一個是AI，另一個則是自動駕駛。英偉達(dá)本季度汽車板塊收入達(dá)到2.96億美元。其中英偉達(dá)2019年推出了DRIVE AGX Orin平臺，據(jù)官方消息比亞迪新車將采用該芯片。Orin最高算力達(dá)到2000TOPS，能夠覆蓋從L2到L5自動駕駛?cè)珗鼍啊Ｒ虼?，基于自動駕駛芯片算力的高速增長，數(shù)據(jù)優(yōu)化也將不再是問題。

接口，或者說是整合。最近幾年，中國電動汽車產(chǎn)業(yè)飛速發(fā)展，在新能源汽車領(lǐng)域已經(jīng)成為名副其實的世界第一強國。但快速進(jìn)化的技術(shù)也造成產(chǎn)業(yè)鏈的大調(diào)整，這也導(dǎo)致汽車主機廠商的話語權(quán)不斷增大，很多曾經(jīng)的Tier2、Tier3廠商都與主機廠建立聯(lián)系。因此，在未來或許可以看到較為強勢的廠商能夠整合產(chǎn)業(yè)鏈，開發(fā)統(tǒng)一的數(shù)據(jù)交換接口，從而降低床傳感融合的難度。

綜上，避免 “幽靈剎車”出現(xiàn)，車廠應(yīng)在傳感融合上發(fā)力，采用前期融合技術(shù)來提升判斷精確度。

寫在最后

盡管理想的"幽靈剎車"事件引發(fā)了人們對輔助駕駛技術(shù)的擔(dān)憂，但我們可以對未來的發(fā)展保持樂觀態(tài)度。這次事件的根本原因在于傳感融合技術(shù)的缺陷，而隨著半導(dǎo)體行業(yè)不斷推進(jìn)技術(shù)的發(fā)展，這些缺陷很快將得到解決。同時，業(yè)內(nèi)對于安全性和可靠性的關(guān)注也在不斷增加，廠商們正在采取各種措施來確保他們的產(chǎn)品符合高標(biāo)準(zhǔn)的質(zhì)量和可靠性要求。

綜上所述，雖然理想的"幽靈剎車"事件給人們帶來了擔(dān)憂，但我們應(yīng)該對輔助駕駛技術(shù)的未來保持信心。